一种基于最小外接矩形的车辆目标SAR三维重构方法

一种基于最小外接矩形的车辆目标sar三维重构方法
技术领域
1.本发明属于雷达信息处理领域，涉及一种基于sar(synthetic aperture radar，合成孔径雷达)的目标三维重构方法，尤其是一种基于最小外接矩形的车辆目标sar三维重构方法。


背景技术：

2.人造目标的特性研究一直以来都是雷达自动目标识别领域研究的重点与难点，车辆目标作为一种典型的人造目标最近成为了sar研究领域的一个热点方向，对于车辆目标的sar成像与分析，不仅能够为民用车辆目标的监测、管理提供数据的支撑，也能为军用车辆目标的参数分析提供方法。而极化信息的引入，可以有效地扩展对于车辆目标的认知，为目标的三维重构与反演以及目标特性的研究提供了更多的信息参考，结合全极化信息，通过分析能够对目标三维精细的几何结构参数进行估计甚至对材料参数进行反演。
3.对于圆周sar而言，sar以圆周为轨迹可以实现全方位的观测，在目标仿真和实测中，圆周sar是一种感知目标电磁特性的重要手段和方式。现代数字技术的发展和存储能力的增加很大程度上提升了sar的成像能力，圆周sar也为高分辨大场景条件下车辆目标的研究提供了更多的可能。美国俄亥俄州立大学联合美国空军研究实验室利用圆周sar对民用车辆进行仿真和研究，在美国空军研究实验室的网站上提供了3.2g大小的公开数据来供其他的研究者进行开发和研究，其中包含多种民用车辆全极化全方位角的单站散射数据。
4.然而，现有的sar三维重构还存在着一定的不足。例如，对于建筑物等目标的三维重构日趋成熟，但是对于例如车辆等其余人造目标的研究仍处于初级阶段，重构的方法仍有待完善；此外，现有的三维重构方法很少考虑目标的极化特性，对于目标的极化特性的研究较少。因此，有必要针对车辆的特性，研究出有效的三维重构方法。


技术实现要素：

5.本发明提出一种基于最小外接矩形的车辆目标sar三维重构方法，解决了当前sar重构方法很少考虑车辆的极化特性，从而容易错误重构目标形状的问题，实现了对车辆目标的准确重构；此外，本发明还克服了当前三维重构方法较为繁琐的问题，可以简单、快速地实现对于车辆目标的三维重构。
6.本发明的技术方案是，一种基于最小外接矩形的车辆目标sar三维重构方法，包括下述步骤：
7.首先对所研究的车辆数据进行读取与分析，读取不同方位角散射矩阵的信息，数据读取是进行二维成像的基础，在完成读取与分析工作后，利用逆投影算法对车辆目标进行成像；根据车辆目标的极化特征进行奇、偶次散射机理的提取，因为车辆底部呈现明显的偶次散射，车辆的顶部呈现奇次散射机理，极化特性为车辆长、宽的反演提供了物理模型的支撑；基于偶次散射机理的强散射点，在剔除异常点的基础上，使用最小面积外接矩形估计车辆的长度和宽度；在得到车辆长宽的基础上，通过叠掩现象的分析以及几何模型的构建
对于车辆高度进行估计，并且利用获取的真实参数与估计参数进行对比，对误差进行讨论与分析。
8.采用本发明可取得以下有益效果：
9.三维重构的方法简单有效。本发明采用基于最小外接矩形的方法对于车辆目标的长度和宽度进行估计，再根据sar和车辆间的几何关系进行对于车辆高度向的反演，在长度和宽度估计的过程中充分考虑车辆目标的极化特性，并从结构出发简化目标的尺寸估计过程。
10.重构的准确性率高。本发明从目标sar成像中提取强散射点，克服了干扰和噪声点的影响，重构目标的尺寸信息准确性高。在得到目标准确长度和宽度信息的基础上，基于几何方法进行高度的重构的准确性更高，从而实现对于三维信息的准确重构。
11.具有重要实用价值。本发明工程实现简单，克服了车辆目标三维要求高，难以实现的不足。为研究车辆目标及准确打击车辆目标提供了依据，对于实际的战场应用，尤其是实现对于战场中车辆目标的打击具有重要意义和实用价值。
附图说明
12.图1为本发明的原理流程示意图；
13.图2高程反演投影示意图；
14.图3(a)为本发明对车辆目标的camry散射中心的提取图；
15.图3(b)为本发明对车辆目标的sentra散射中心的提取图；
16.图3(c)为本发明对车辆目标的camry偶次散射机理的提取图；
17.图3(d)为本发明对车辆目标的sentra偶次散射机理的提取图；
18.图3(e)为本发明对车辆目标的camry奇次散射机理的提取图；
19.图3(f)为本发明对车辆目标的sentra奇次散射机理的提取图；
20.图4(a)为利用本发明对车辆目标修正前camry的散射中心最小外接矩形图；
21.图4(b)为利用本发明对车辆目标修正前sentra的散射中心最小外接矩形图；
22.图4(c)为利用本发明对车辆目标修正后camry的散射中心最小外接矩形图；
23.图4(d)为利用本发明对车辆目标修正后sentra的散射中心最小外接矩形图；
24.图5(a)为利用本发明对车辆目标的camry的三维重构高程反演图；
25.图5(b)为利用本发明对车辆目标的sentra的三维重构高程反演图。
具体实施方式
26.为了更好地理解本发明的技术方案，下面结合本发明的基本原理和附图对本发明的实施方式作进一步描述。
27.通过研究发现以下的基本原理，并将这些基本原理应用于本发明：
28.1)在单站后向散射条件下，车辆的奇次散射大多先由sar发射信号，然后经过车辆的散射再直接被接收，而偶次散射则大多为经过车辆反射的信号再通过地面散射回到雷达。这两种明显的散射机理分析将会为车辆目标的参数估计提供参考，也为下一步车辆的尺寸和结构的反演提供了相应信息。因此，利用两种明显的散射机理，可以实现对sar车辆目标长度和宽度的估计。
29.2)叠掩效应是sar成像中的一种现象，在高度上的点会投影到sar图像中，且投影的点与sar之间存在几何关系，在远场条件下可以进行目标的高度估计。利用所估计的高度可以重构车辆目标的高度向。
30.3)强散射点表征目标在sar图像中的强能量信息，基于强散射点的提取与分析可以有效估计目标的三维尺寸信息。
31.综上，根据车辆目标的极化特征进行奇、偶次散射机理的提取，基于偶次散射机理的强散射点，在剔除异常点的基础上，使用最小外接矩形估计车辆的长度和宽度，在得到车辆长宽的基础上，通过叠掩现象的分析以及几何模型的构建对于车辆高度进行估计，实现对于车辆目标的三维重构。显著地提高了当前sar对于车辆目标的三维重构能力，显著提高了我方对于敌方车辆目标的感知能力，对于显著提升我方的打击能力具有极为重要的意义。
32.图1为本发明的原理流程示意图。包括四个主要步骤：车辆目标的成像；奇、偶次散射机理的提取；基于最小外接矩形的车辆长宽信息估计；车辆目标的高度估计。
33.本发明的详细步骤如下所述：
34.步骤一：利用逆投影算法对车辆目标进行成像；
35.步骤二：根据车辆目标的极化特征进行奇、偶次散射机理提取；
36.步骤三：基于偶次散射机理的强散射点，使用最小面积外接矩形估计车辆的长度和宽度，包括以下步骤：
37.3.1计算强散射点连接形成的凸包；
38.3.2将凸包中的任意一边作为起始边，选取右端点作为旋转中心使此边平行于坐标横轴，保存矩形坐标，边的编号以及旋转的角度大小；
39.3.3按照某一方向选择其他边，并按照步骤3.2计算和保存相应的参量；
40.3.4比较各个矩形面积，选取最小面积，通过所记录的角度进行逆向旋转从而计算得到所需求的最小面积外接矩形；
41.步骤四：车辆目标的高度估计，包括以下步骤
42.4.1如图2，将sar在平面上垂直投影位置定义为rv，车辆车顶轮廓线在地面的垂直投影定义为be，车顶轮廓线成像时在地面的对应位置定义为p，坐标原点定义为o，将步骤三中提取的最小面积外接矩形四个点表示为geheieje，并假设sar在远场条件下对车辆进行多俯仰角全方位数据测量；
43.将视线方向的单位向量表示为
[0044][0045]
其中，θ表示雷达照射地面时的斜视角；
[0046]
假设车顶轮廓线成像时在地面对应的位置p
[0047]
p＝(x
p
,y
p
,0)
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0048]
将车顶轮廓线投影be对应的位置be用式(3)表示
[0049][0050]
其中λ属于实数；
[0051]
4.2基于步骤三提取的矩形，利用矩形两个端点相对于中心的向量来表述矩形上
任意一点的坐标，选取ge、he两点，将它们的坐标表示为ge和he，则
[0052]be
＝ge+μ(h
e-ge)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0053]
其中μ为俯仰角系数；求解式(3)和式(4)得到所需要求解的三维点se的位置
[0054][0055]
其中为垂直方向的单位向量；通过对于geheieje的外围点进行计算，推算出它们在对应位置的高程信息，从中选取较高点进行平均，准确地提取出车辆高程信息。
[0056]
在本发明的仿真实验中，通过车辆目标高程提取结果对所提方法的性能进行验证。
[0057]
图3本发明对车辆目标的奇偶次散射中心提取图。其中，(a)图为camry的散射中心的提取图；(b)图为sentra的散射中心的提取图；(c)图为camry偶次散射机理的提取图；(d)图为sentra偶次散射机理的提取图；(e)图为camry奇次散射机理的提取图；(f)图为sentra奇次散射机理的提取图。sentra偶次散射机理散射中心的提取中右侧少数几个散射点明显不在矩形的范围内，是由车后部在地面的等效成像点，需要对其进行修正与剔除。
[0058]
图4为利用本发明对车辆目标偶次散射机理下最小外接矩形图，其中，(a)图为未修正前camry的散射中心最小外接矩形图；(b)图为未修正前sentra的散射中心最小外接矩形图；(c)图为修正后camry的散射中心最小外接矩形图；(d)图为修正后sentra的散射中心最小外接矩形图；可以看出，最小外接矩形对于偶次散射机理的提取是有效的，但是在矩形中存在少数与散点构成矩形相分离的散射点，这些强散射点也呈现偶次散射机理的特征，但是在估计车辆长、宽等信息时会产生误差，需要将与散点所构成矩形的距离较远的点进行分离与剔除。通过设置相应的范围剔除影响误差判断的散点，修正得到偶次散射机理的最小外接矩形，该矩形能够既保留了大部分偶次机理强散射点，又将散点所构成的矩形进行了更准确地描述
[0059]
图5为利用本发明对车辆目标的高程反演图，其中(a)图为camry的三维重构图；(b)图为sentra的三维重构图。对于散点位置进行分析，通过散点分布提取出camry和sentra的大致轮廓，清晰地实现了对于车辆的前侧、两侧的车身的区分以及车尾部特征的识别，车身两侧的散点呈现流线型，两侧前部位置较高的散射点构成的曲线较为平缓并缓慢升高，两侧中后部分位置较高的散射点能够明显地看出它们代表着座舱位置。

技术特征：
1.一种基于最小外接矩形的车辆目标sar三维重构方法，其特征在于，包括以下步骤：步骤一：利用逆投影算法对车辆目标进行成像；步骤二：根据车辆目标的极化特征进行奇、偶次散射机理提取；步骤三：基于偶次散射机理的强散射点，使用最小面积外接矩形估计车辆的长度和宽度，包括以下步骤：3.1计算强散射点连接形成的凸包；3.2将凸包中的任意一边作为起始边，选取右端点作为旋转中心使此边平行于坐标横轴，保存矩形坐标，边的编号以及旋转的角度大小；3.3按照某一方向选择其他边，并按照步骤3.2计算和保存相应的参量；3.4比较各个矩形面积，选取最小面积，通过所记录的角度进行逆向旋转从而计算得到所需求的最小面积外接矩形；步骤四：车辆目标的高度估计，包括以下步骤4.1如图2，将sar在平面上垂直投影位置定义为rv，车辆车顶轮廓线在地面的垂直投影定义为b
e
，车顶轮廓线成像时在地面的对应位置定义为p，坐标原点定义为o，将步骤三中提取的最小面积外接矩形四个点表示为g
e
h
e
i
e
j
e
，并假设sar在远场条件下对车辆进行多俯仰角全方位数据测量；将视线方向的单位向量表示为将视线方向的单位向量表示为其中，θ表示雷达照射地面时的斜视角；假设车顶轮廓线成像时在地面对应的位置pp＝(x
p
,y
p
,0)
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)将车顶轮廓线投影b
e
对应的位置b
e
用式(3)表示其中λ属于实数；4.2基于步骤三提取的矩形，利用矩形两个端点相对于中心的向量来表述矩形上任意一点的坐标，选取g
e
、h
e
两点，将它们的坐标表示为g
e
和h
e
，则b
e
＝g
e
+μ(h
e-g
e
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中μ为俯仰角系数；求解式(3)和式(4)得到所需要求解的三维点s
e
的位置其中为垂直方向的单位向量；通过对于g
e
h
e
i
e
j
e
的外围点进行计算，推算出它们在对应位置的高程信息，从中选取较高点进行平均，准确地提取出车辆高程信息。

技术总结
本发明公开了一种基于最小外接矩形的车辆目标SAR三维重构方法，目的是解决现有的SAR三维重构存在对于车辆等人造目标的重构方法不完善，且现有的三维重构方法很少考虑目标的极化特性等问题，实现针对车辆的特性的三维重构方法，属于SAR成像领域。技术方案是：利用逆投影算法对车辆目标进行成像；根据车辆目标的极化特征进行奇、偶次散射机理提取；基于偶次散射机理的强散射点，使用最小面积外接矩形估计车辆的长度和宽度；通过叠掩现象的分析以及几何模型的构建对车辆高度进行估计。本发明克服了车辆目标三维重构要求高，难以实现的不足。不仅能够为民用车辆的监测、管理提供数据的支撑，也能为军用车辆目标的参数分析提供方法，具有重要应用价值。具有重要应用价值。具有重要应用价值。


技术研发人员：庞礴 代大海 邢世其 吴昊
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：2023.04.19
技术公布日：2023/9/23